0
点赞
收藏
分享

微信扫一扫

normal + lognormal

思考的鸿毛 2022-01-20 阅读 101
  1. matlab命令

对数正态分布 \textbf{对数正态分布} 对数正态分布
两个parameters: μ , σ ; \mu, \sigma; \quad μ,σ; 也称为 logrithmic的mean, std
均值与方差:m, v

联系:
m = e μ + σ 2 2 m=e^{\mu+\frac{\sigma^2}{2}} m=eμ+2σ2
v = e 2 μ + σ 2 ( e σ 2 − 1 ) v=e^{2\mu+\sigma^2}(e^{\sigma^2}-1) v=e2μ+σ2(eσ21)
附录:
(如果已知均值与方差之 m, v,可反推parameters μ , σ \mu, \sigma μ,σ )
μ = ln ⁡ m 2 v + m 2 \mu=\ln \frac{m^2}{\sqrt{v+m^2}} μ=lnv+m2 m2
σ = ln ⁡ v m 2 + 1 \sigma=\sqrt{\ln \frac{v}{m^2}+1} σ=lnm2v+1

  1. 计算
    Assume r.v X~N( μ , σ 2 \mu, \sigma^2 μ,σ2),可得到CDF中点 ( μ , 0.5 ) (\mu, 0.5) (μ,0.5),纵坐标代表分位点
    如果希望再假设X~logN
    则assumer.v X~logN( μ , σ \mu, \sigma μ,σ),%parameters
    3.1
    为了s.t.同一组数据,两种不同分布拟合的0.5分位点重合,有:
    p ( x ≤ m e a n 之 l o g N ) = 0.5 p(x\leq mean之logN)=0.5 p(xmeanlogN)=0.5
    Φ ( ln ⁡ ( m e a n ) − μ σ ) = 0.5 \Phi(\frac{\ln(mean)-\mu}{\sigma})=0.5 Φ(σln(mean)μ)=0.5
    查表,空号内 = 0 =0 =0,即 ln ⁡ ( m e a n ) − μ = 0 { \ln (mean)-\mu=0} ln(mean)μ=0,得到待求参数$\mu= \ln (mean)$ `>
    3.2
    标准差之 s i g m a sigma sigma=定义初始值,再改变即可
举报

相关推荐

0 条评论